Model Identification of Coupled Electromagnetic-Thermal Model of Heterogeneous Structures Using Artificial Neural Networks
Notice bibliographique
Résumé
In recent years with the development of computational tools there have been significant advances in coupled/Multiphysics models that are widely applicable in numerous fields. With the continuous need for miniaturization of many engineering solutions these models become significantly complicated as the reduction of dimensions requires more advance stochastic models that account for probabilistic nature of many electromagnetic phenomena. This is especially valid In manufacturing of highly-integrated electronic circuits as we slowly move towards micro and nano dimensions. In this field thermal effects may play important role, as in the case of wire bonding in which complicated physics law interplay in order to achieve high-speed accurate ultrasound driven pressure/melting process that connects elements to a wafer. Electromagnetic-thermal modelng mainly relies on a combination of steady-state electromagnetic analysis and transient thermal analysis [1], [2]. In a previous study [3], a Physics-Informed Neural Network (PINN) [4] was utilized as the thermal solver for electromagnetic-thermal simulations, significantly improving computational efficiency compared to a conventional finite difference solver. In this paper we propose a combined thermos-electromagnetic artificial neural network solver that identifies the underlying Multiphysics model and calculates the response of the heterogeneous structure to both electromagnetic and/or thermal stimuli. We first demonstrate applicability of our model to identify the object properties i.e., calculate the response of the object to the stimuli and then demonstrate how the particular ANN can be used to detect parameter change over the time. In particular we demonstrate ability to combine information obtained from microwave and infrared images to estimate conductivity properties and identify different scatterers present in the object.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».